Bruikbaarheid van Floating Car Data voor transportmodellen. PLATOS, 14 maart 2018

Transcriptie

1 Bruikbaarheid van Floating Car Data voor transportmodellen PLATOS, 14 maart 2018 Marco Kouwenhoven Rik van Grol, Jasper Willigers (Significance, TU Delft) (Significance)

2 Inleiding Recentelijk heeft NDW historische Floating Car Data aangekocht INRIX Bewerkte data: gemiddelde snelheden per wegvak per minuut Periode Deze data is onder meer door het KiM gebruikt om te kijken naar de ontwikkeling van het reistijdverlies op het OWN Monitoring Fase 1: vergelijking snelheden INRIX en NDW-lusdetectoren Fase 2/3: bepaling ontwikkeling reistijdverlies op het OWN Doel van deze presentatie Ervaringen met INRIX data Enkele high-lights uit het KiM onderzoek Algemene beschouwing over bruikbaarheid van FCD voor transportmodellen 2

3 INRIX-data Historische snelheidsdata op wegsegmenten Gebaseerd op reistijden gemeten in voertuigen met probes, zoals navigatie-apparatuur en mobiele telefoons met navigatie-apps De INRIX Data Fusion Engine combineert gegevens van verschillende databronnen en een algoritme bepaald de gemiddelde snelheid Precieze werking van dit algoritme is niet openbaar Aantal onderliggende probes per snelheidsmeting wordt niet gepubliceerd. Landelijke dekking Rijkswegen, provinciale wegen, gemeentelijke ontsluitingswegen > segmenten met een lengte tot ca. 1,6 km Elk segment is opgedeeld in 16 subsegmenten (max. lengte ca. 100m) Snelheid per minuut Ca. 50 GB per maand (1,8 TB voor drie jaar) Bron: INRIX 3

4 Hoe ziet dat er uit? 4

5 Over langere periode veel overeenkomsten A27 ten Zuiden van Lexmond, r. Utrecht Provinciale weg (80 km/u) N206 bij Valkenburg 5

6 Maar er zijn ook problemen (1) INRIX varieert minder van minuut tot minuut INRIX lijkt wat meer op en neer te springen 6

7 Maar er zijn ook problemen (2) A4 ten Zuiden van Leiden (variabele max.snelheid 130/100) 7

8 Maar er zijn ook problemen (3) A12 r. Den Haag, net voorbij Woerden (120 km/u) Plusstrook, indien geopend wordt max. snelheid 100 km/u) 8

9 Tijdverschuiving (1) A12 r. Den Haag, bij Pr.Clausplein,

10 Tijdverschuiving (2) A12 r. Den Haag, bij Pr.Clausplein, INRIX subsegment-data 10

11 Tijdverschuiving (3) A12 r. Den Haag, bij Pr.Clausplein, INRIX subsegment-data 3 minuten verschuiving 11

12 Tijdverschuiving (4) 12

13 Tijdverschuiving (5) 13

14 Tijdverschuiving (6) 14

15 Validatie snelheden Fase 1 voor het project voor het KiM Oplossing voor getoond problemen INRIX data wordt 5 minuten verschoven INRIX en NDW data wordt gemiddeld over 15 minuten Selectie van detectoren waarvan je zeker weet dat de NDW en INRIX locaties overeenkomen Systematische vergelijking tussen NDW lusdetector data en INRIX snelheden 4,125 locaties waarvan 162 locaties op provinciale wegen en 22 op gemeentelijke wegen Voor elk kwartier Voor 36 maanden ( ) 250 miljoen datapunten 15

16 Relatie INRIX- en NDW lusdetectorsnelheden Provinciaal 80 km/u Snelweg km/u Snelweg >= 120 km/u 16

17 Gemiddelde snelheden komen goed overeen Verband tussen gemiddelde INRIX snelheid en de gemiddelde NDW snelheid op wegen met een maximumsnelheid van 100 km/u (december 2016) Bron: van der Loop et al. (ETC 2017) 17

18 Conclusie validatie Snelheden INRIX en NDW-lusdetectoren komen goed overeen Afwijkingen bij snelheden < 30 km/u (mogelijk gerelateerd aan lagere nauwkeurigheid van lusdetectoren) Dit soort snelheden komt slechts zelden voor (< 0,04%) Afwijkingen bij snelheden > 110 km/u (mogelijk gerelateerd aan INRIXproblemen bij variabele snelheden) Dit was niet relevant voor het KiM-onderzoek, want daar werd gekeken naar reistijdverliezen Eens per ca. 6 maanden wisselt de definitie van wegsegmenten. Tegelijkertijd lijken ook de snelheden iets aangepast te worden Mogelijk gerelateerd aan veranderingen van het INRIX Fusion Data Algoritme 18

19 Ontwikkeling reistijdverlies HWN / OWN Bereken reistijdverlies uit ontwikkeling intensiteit (o.b.v. intensiteiten gemeten met lusdetectoren) met INRIX of lusdetector-snelheden Bron: van der Loop et al. (ETC 2017) 19

20 Landelijk beeld INRIX 20

21 Beschouwing: hoe zou Floating Car Data gebruikt kunnen worden in transportmodellen? Hierbij moet onderscheid gemaakt worden tussen ruwe en bewerkte Floating Car Data Ruwe FCD bevat data van individuele verplaatsingen (mogelijk met random-component) en kan gebruikt worden voor bijv. Bepaling HB-matrices / matrixcalibratie Wegspecifieke capaciteit / speed-flow curves Verbetering tour-generatie modellen (specifieke productie/attractie factoren) Route-keuze Tijdstip-keuze Modelleren van parkeren NB: met data van mobiele telefoons zou je ook vervoerwijze-keuze kunnen verbeteren INRIX valt onder bewerkte FCD, en bevat alleen gemiddelde snelheden. Dit kan gebruikt worden voor bijv. Verificatie van snelheden op het OWN / matrixcalibratie 21

22 Beschouwing: hoe zou Floating Car Data gebruikt kunnen worden in transportmodellen? Probleem: Floating Car Data bevat geen totale aantallen reizigers Echter, ruwe FCD kan wel info bevatten over het aantal probes dat een bepaalde reis maakt, of dat een bepaald punt passeert Precieze ophoogfactor zal moeilijk te bepalen zijn, maar bandbreedte is wel mogelijk Matrixcalibratie-procedures zouden hier mee om moeten kunnen gaan Evenals met andere onzekere data Dit vereist flexibele software Hier wordt aan gewerkt! 22